隨著計算機技術的飛速發展和企業界不斷提出新的需求，數據倉庫技術應運而生。傳統的數據庫技術是單一的數據資源，即數據庫為中心，進行從事事務處理、批處理到決策分析等各種類型的數據處理工作。近年來，隨著計算機應用，,網絡計算，開始向兩個不同的方向拓展，一是廣度計算，一是深度計算，廣度計算的含義是把計算機的應用范圍盡量擴大，同時實現廣泛的數據交流，互聯網就是廣度計算的特征，另一方面就是人們對以往計算機的簡單數據操作，提出了更高的要求，希望計算機能夠更多的參與數據分析與決策的制定等領域。特別是數據庫處理可以大致地劃分為兩大類：操作型處理和分析型處理（或信息型處理）。這種分離，劃清了數據處理的分析型環境與操作型環境之間的界限，從而由原來的以單一數據庫為中心的數據環境發展為一種新環境：體系化環境。

　　數據庫系統作為數據管理手段，從它的誕生開始，就主要用于事務處理。經過數十年的發展，在這些數據庫中已經保存了大量的日常業務數據。傳統的業務系統一般是直接建立在這種事務處理環境上的。隨著技術的進步，人們試圖讓計算機擔任更多的工作，而數據庫技術也一直力圖使自己能勝任從事務處理、批處理到分析處理的各種類型的信息處理任務。后來人們逐漸認識到，在目前的計算機處理能力上，根本無法實現這種功能，而且，另一方面，事物處理和分析處理具有極不相同的性質，直接使用事務處理環境來支持決策是行不通的。

        事務處理環境不適宜DSS應用的原因主要有以下五條：
（1）事務處理和分析處理的性能特性不同。
　　在事務處理環境中，用戶的行為特點是數據的存取操作頻率高而每次操作處理的時間短；在分析處理環境中，用戶的行為模式與此完全不同，某個DSS應用程序可能需要連續幾個小時，從而消耗大量的系統資源。將具有如此不同處理性能的兩種應用放在同一個環境中運行顯然是不適當的。

（2）數據集成問題。
　　DSS需要集成的數據。全面而正確的數據是有效的分析和決策的首要前提，相關數據收集得月完整，得到的結果就越可靠。當前絕大多數企業內數據的真正狀況是分散而非集成的。造成這種分散的原因有多種，主要有事務處理應用分散、“蜘蛛網”問題、數據不一致問題、外部數據和非結構化數據。

（3）數據動態集成問題。
　　靜態集成的最大缺點在于，如果在數據集成后數據源中數據發生了變化，這些 變化將不能反映給決策者，導致決策者使用的是過時的數據。集成數據必須以一定的周期（例如24小時）進行刷新，我們稱其為動態集成。顯然，事務處理系統不具備動態集成的能力。

（4）歷史數據問題。
　　事務處理一般只需要當前數據，在數據庫中一般也是存儲短期數據，切不同數據的保存期限也不一樣，即使有一些歷史數據保存下來了，也被束之高閣，未得到充分利用。但對于決策分析而言，歷史數據是相當重要的，許多分析方法必須一大量的歷史數據為依托。沒有歷史數據的詳細分析，是難以把握企業的發展趨勢的。DSS對數據在空間和時間的廣度上都有了更高的要求，而事務處理環境難以滿足這些要求。

（5）數據的綜合問題。
　　 在事務處理系統中積累了大量的細節數據，一般而言，DSS并不對這些細節數據進行分析。在分析前，往往需要對細節數據進行不同程度的綜合。而事務處理系統不具備這種綜合能力，根據規范化理論，這種綜合還往往因為是一種數據冗余而加以限制。

     要提高分析和決策的效率和有效性，分析型處理及其數據必須與操作型處理及其數據相分離。必須把分析型數據從事務處理環境中提取出來，按照DSS處理的需要進行重新組織，建立單獨的分析處理環境，數據倉庫正是為了構建這種新的分析處理環境而出現的一種數據存儲和組織技術。